Microsofts Surface Laptop Ultra im Check
Ein Laptop, der lokale KI-Modelle mit bis zu 120 Milliarden Parametern ausführen soll und bei einer KI-Videogenerierung bis zu 6,2-mal schneller sein will als Apples MacBook Pro. Microsofts neue Surface Laptop Ultra klingt nach einem Wendepunkt für KI-Hardware. Doch was steckt hinter den großen Zahlen, und wie viel davon ist schon unabhängig belegt?
Microsofts Angriff auf Apples MacBook
Mit dem Surface Laptop Ultra positioniert Microsoft seinen bislang leistungsstärksten Surface-Laptop nicht einfach als weiteres Premium-Notebook. Das Gerät soll vor allem Entwickler, Kreative und KI-Profis ansprechen, die anspruchsvolle Modelle und Workflows direkt auf dem eigenen Rechner ausführen wollen, ohne für jede Anfrage auf die Cloud angewiesen zu sein.
Der Vergleich mit Apple ist dabei Teil der Verkaufsbotschaft: Microsoft stellt ausgewählte Windows-PCs mit Nvidias RTX-Spark-Plattform einem 16-Zoll-MacBook Pro mit M5 Pro und 64 GB gemeinsamem Speicher gegenüber. Für bestimmte lokale KI-Aufgaben nennt das Unternehmen bis zu 2,1-mal schnellere Antwortzeiten bis zum ersten Token, 4,3-mal schnellere KI-Bilderzeugung und 6,2-mal schnellere KI-Videogenerierung. Das klingt nach einem klaren Sieg. Die entscheidende Einschränkung steckt allerdings in den Worten „bis zu“ und „bei bestimmten Aufgaben“.
Was im Surface Laptop Ultra steckt
Das Herzstück des neuen Rechners ist Nvidias RTX-Spark-Plattform mit dem N1X-Chip. Sie kombiniert eine Grace-CPU mit einer Blackwell-RTX-GPU und gemeinsamem Systemspeicher, auf den CPU und GPU zugreifen können. Microsoft bietet verschiedene Konfigurationen an: Die Einstiegsversion besitzt 18 CPU-Kerne, eine GPU mit 5.120 Kernen und 24 GB Unified Memory. Die größere Variante kommt auf 20 CPU-Kerne, 6.144 GPU-Kerne und lässt sich mit bis zu 128 GB Unified Memory konfigurieren.
Unified Memory ist hier mehr als ein technisches Detail. Bei einer klassischen Grafikkarte steht der GPU ein eigener, begrenzter Speicherbereich zur Verfügung. Ein gemeinsamer Speicherpool kann dagegen größere Modelle und Datensätze ermöglichen, ohne dass sie vollständig in den typischen VRAM einer einzelnen Notebook-GPU passen müssen. Das ist gerade für lokale Sprachmodelle interessant: Ein Modell muss nicht nur berechnet werden, seine Gewichte und weitere Daten müssen auch in den verfügbaren Speicher passen.
Microsoft spricht von bis zu einem Petaflop KI-Rechenleistung und davon, dass das Gerät Modelle mit bis zu 120 Milliarden Parametern lokal ausführen könne. Diese Werte sind jedoch keine Garantie dafür, dass jedes Modell in jeder Konfiguration flüssig läuft. Microsoft kennzeichnet die Petaflop-Angabe als Spitzenwert für FP4 auf ausgewählten Konfigurationen; die tatsächliche Leistung hänge von Modell, Anwendung und Einstellungen ab. Die Zahl ist damit ein theoretischer Maximalwert, kein allgemeiner Geschwindigkeitsindikator für beliebige KI-Aufgaben.
Auch das übrige Gerät ist auf ein Premiumsegment ausgelegt: Das Surface Laptop Ultra besitzt ein 15-Zoll-Touchdisplay, wiegt laut Microsoft rund 2 Kilogramm und bietet neben USB-C auch HDMI, USB-A, einen SD-Kartenleser und einen Kopfhöreranschluss. Die Akkulaufzeit gibt Microsoft mit bis zu 15 Stunden lokaler Videowiedergabe beziehungsweise bis zu 12 Stunden beim aktiven Surfen an. Diese Werte beruhen auf Microsofts Tests mit Vorseriengeräten und klar definierten Testbedingungen, sie sind daher nicht mit einer gemischten Arbeitsnutzung gleichzusetzen.
Was die „6,2-mal schneller“-Zahl wirklich bedeutet
Die größte Schlagzeile bezieht sich auf KI-Videogenerierung. Laut Microsoft wurde dafür ein bestimmter Workflow in ComfyUI mit dem Modell LTX 2.3 22B getestet. Die Aufgabe erzeugte ein Video mit 121 Frames bei 25 Bildern pro Sekunde, acht Verarbeitungsschritten und einer Auflösung von 1280 × 720. Verglichen wurden ausgewählte RTX-Spark-PCs mit 64 GB Speicher und ein vorproduziertes MacBook Pro 16 Zoll mit M5 Pro und ebenfalls 64 GB Speicher.
Für die Bildgenerierung kam ein anderer Test zum Einsatz: ComfyUI mit FLUX.2 Klein 4B, NVFP4-Präzision, vier Sampling-Schritten und einer Auflösung von 1024 × 1024. Die 2,1-fach schnellere Zeit bis zum ersten Token wurde wiederum mit einem festgelegten Prompt und dem Modell Qwen3.5 27B in llama.cpp ermittelt. Auch hier handelt es sich um eine konkrete lokale Inferenz-Aufgabe und nicht um einen allgemeinen Leistungstest des gesamten Computers.
Diese Angaben sind nützlich, weil sie zumindest Modelle, Software und Einstellungen benennen. Sie erlauben aber keine einfache Aussage wie „Der Surface Laptop Ultra ist insgesamt sechsmal schneller als ein MacBook Pro“. Die Zahlen gelten für bestimmte KI-Workflows, bestimmte Vorseriengeräte und ausgewählte Konfigurationen. Außerdem stammen die Bild- und Videowerte aus Tests von Nvidia; der Test zur Zeit bis zum ersten Token wurde von Microsoft in Auftrag gegeben.[l
Was bisher fehlt, sind unabhängige, reproduzierbare Vergleichstests mit Geräten aus dem Handel. Ohne solche Tests wissen wir noch nicht, wie groß der Abstand bei längerer Dauerlast ausfällt, wie sich Wärmeentwicklung und Lüfterlautstärke verhalten oder wie sich die Rechner in typischen Anwendungen außerhalb dieser KI-Demos schlagen. Auch die Vergleichszahlen sagen nichts darüber aus, welcher Rechner bei alltäglicher Büroarbeit, klassischer Videobearbeitung oder Akkulaufzeit insgesamt besser abschneidet.
Preis und Verfügbarkeit: Premium hat seinen Preis
Der Surface Laptop Ultra startet laut Microsoft bei 2.599,99 US-Dollar. Dieser Einstiegspreis gilt für die Konfiguration mit 18-Kern-CPU, 5.120 GPU-Kernen, 24 GB Unified Memory und 512 GB SSD. Die stärkere Variante beginnt bei 3.699,99 US-Dollar. Für das Spitzenmodell mit 20-Kern-CPU, 6.144 GPU-Kernen, 128 GB Unified Memory und 1 TB SSD ruft Microsoft 5.899,99 US-Dollar auf.
Die Preisspanne ist wichtig für die Einordnung. Wer die Schlagzeile „Surface schlägt MacBook“ liest, könnte annehmen, dass die Einstiegsversion die genannten Spitzenwerte liefert. Doch der Vergleich nennt 64-GB-Geräte, während das günstigste Surface-Modell nur 24 GB Unified Memory besitzt. Die teuerste Konfiguration kostet fast 5.900 US-Dollar und damit deutlich mehr als der Einstiegspreis, der in vielen Überschriften steht.
Microsoft nahm am 7. Oktober Vorbestellungen entgegen. Der Versand soll am 16. Oktober beginnen. Das Gerät ist also zunächst eine angekündigte und bestellbare Plattform; unabhängige Tests mit ausgelieferten Seriengeräten stehen zum Zeitpunkt dieses Artikels noch aus.
Warum lokale KI trotzdem spannend ist
Trotz der offenen Fragen ist die Richtung interessant. Lokale KI kann in passenden Fällen die Abhängigkeit von Cloud-Diensten reduzieren: Daten müssen nicht zwingend an einen externen Server geschickt werden, und Nutzer sind weniger abhängig von laufenden Gebühren pro Anfrage. Microsoft verfolgt dabei eine hybride Strategie: Aufgaben sollen je nach Bedarf lokal auf dem PC oder in der Cloud ausgeführt werden.
Das ist nicht nur eine Hardwarefrage. Damit ein leistungsstarker Chip im Alltag einen Unterschied macht, müssen Modelle, Laufzeitumgebungen und Anwendungen die Hardware auch nutzen können. Microsoft kündigt dafür unter anderem Verbesserungen an Windows ML, Unterstützung für llama.cpp und neue lokale Modell- und Agentenfunktionen an. Das Ökosystem muss also mitziehen, ein schneller Chip allein macht noch keinen guten KI-Arbeitsplatz.
Unser Fazit: Starkes Konzept, noch kein MacBook-Killer
Der Surface Laptop Ultra ist ein spannender Schritt: Nvidia bringt CPU, Blackwell-GPU und viel Unified Memory in ein Notebook, das gezielt für lokale KI und anspruchsvolle Kreativ-Workflows gebaut wurde. Bis zu 128 GB gemeinsamer Speicher und die Möglichkeit, große Modelle lokal auszuführen, könnten für Entwickler und KI-Anwender einen echten praktischen Nutzen haben.
Aber die Überschrift „6,2-mal schneller“ erzählt nur einen kleinen Ausschnitt. Sie bezieht sich auf eine spezifische KI-Videogenerierung, nicht auf die Gesamtleistung des Laptops. Die veröffentlichten Zahlen kommen von Microsoft und Nvidia, basieren auf Vorseriengeräten und sind bisher nicht durch unabhängige Tests bestätigt. Auch die hohen Preise, besonders für die 128-GB-Version, machen den Rechner zu einer Speziallösung statt zu einem naheliegenden Kauf für alle.
Microsoft und Nvidia liefern ein überzeugendes Hardware-Konzept für lokale KI. Ob daraus tatsächlich ein neuer Maßstab für mobile KI-Rechner wird, entscheidet sich aber erst mit unabhängigen Tests und realen Anwendungen. Bis dahin gilt: Das MacBook Pro ist nicht „alt“ – und die 6,2-fache Geschwindigkeit ist ein interessantes Ergebnis für einen eng definierten Test, kein Urteil über den gesamten Rechner.
Hinweis: Dieser Artikel enthält Inhalte, die mit Unterstützung eines KI-Systems erstellt wurden. Die Inhalte wurden anschließend von einem Menschen mit ❤️ überprüft und bearbeitet, um Qualität und Richtigkeit sicherzustellen.